高光谱图像噪声退化模型

高光谱图像能够获取地物精细的光谱诊断特征，但受限于多谱段分光的成像机制，图像各个谱段上光成像的能量不足，信噪比难以提升。

高光谱图像噪声产生原理

高光谱成像通过记录不同波长下，电磁波与地表物质的相互作用变化，提供了丰富的地物信息。然而在成像过程受到多方因素的干扰，成像质量会降低，了解这些因素有助于理解高光谱图像噪声的退化原理。

高光谱图像噪声产生原因主要可分为两种，一种是受成像硬件系统的内部因素限制，如传感器自身的灵敏度，成像电路中微观粒子的无规则运动产生的散粒噪声、读出噪声、热噪声、放大器噪声等。

此外，系统内多元器件非均匀性、各部件的背景辐射、多元探测器像元之间的串音、光谱混叠都会影响图像的质量（王建宇 等，2010）。另一种则是外界因素，如杂散光线的干扰、不完善的校准、恶劣的成像环境等（Zhong等，2020）。

根据噪声的分布特性，高光谱图像的代表性噪声有随机噪声和条带噪声（Acito等，2011a），其中条带噪声主要是由于传感器的响应不一致（Chen等，2003），在图像中产生了方向固定的线状噪声。

对于推扫式成像仪而言，如图1所示，该类成像仪在一次曝光时间内可以获得一维的线视场信息，通过无人机的飞行，完成二维空间信息的获取。一次同时采集上百个像元时，如果到达传感器的光的能量较小时，传感器像元的均匀性难以保证，故易在图像扫描方向上产生条带噪声。在极端情况下，条带噪声会导致像元信息完全丢失，产生死像元。针对这一情况，大量学者展开了图像复原相关研究（Shen等，2015； Li等，2014），其中Shen等（2014）提出的方法能够很好地复原MODIS影像中由于死像元导致的信息丢失。综上所述，高光谱图像中的噪声成因十分复杂，对一幅图像的噪声成因进行全面且准确的解释非常困难，但是可以进行初步分析。

高光谱图像退化模型

根据已有的噪声估计相关工作，图像的噪声模型主要有两种：加性噪声，加性与乘性的组合噪声。根据各类高光谱图像去噪算法研究中对于高光谱图像包含的常见噪声类型分析以及去噪算法的前提假设，可以认为高光谱图像主要包含的噪声是加性的，乘性噪声的干扰相对而言较小，因此在本文的噪声分析中不考虑乘性噪声。

由于大部分高光谱成像仪采用推扫成像的工作方式，图像中不可避免地产生了条带噪声，因此本文中假设图像中包含的噪声主要为两部分，即条带噪声与高斯噪声，且各变量独立分布。高光谱图像可以看作一个三维矩阵RM×N×B，M×N为图像的空间分辨率，B为图像的波段数。图像退化模型如下：

R=I+S+G

式中，I为不含噪声的真实图像，S为条带噪声，G为高斯噪声。

原文：空间与光谱维度的高光谱图像噪声估计